BriefGPT - AI 论文速递
·
无监督从 2D 姿势中重建 3D 人体姿态交互
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该研究提出了一种无需多视图图像数据、3D骨架、2D-3D点对应关系或使用先前学习的3D先验知识的方法，通过采用无监督学习技术，基于单个图像的2D骨架关节来恢复3D人体姿势。
🎯
关键要点
- 该研究提出了一种无需多视图图像数据的方法来恢复3D人体姿势。
- 方法基于单个图像的2D骨架关节，采用无监督学习技术。
- 不需要3D骨架、2D-3D点对应关系或先前学习的3D先验知识。
- 使用lifting网络将2D关键点作为输入，生成相应的3D骨架估计。
- 通过随机相机视点重投影修复后的3D骨架产生新的合成2D姿态。
- 训练了一个2D域适配器网络以扩展2D数据，提升域适应效果。
- 在Human3.6M数据集上，该方法对无监督三维lifting的改进达到了30%。
- 该方法优于许多明确使用3D数据的弱监督方法。
➡️
